Обработка изображений в OpenCV на C++

Фильтрация изображений

Фильтрация изображений — это базовая операция в обработке изображений, в основном используемая для удаления шума с изображений или усиления определённых признаков. К распространённым методам фильтрации относятся усредняющий фильтр, фильтр Гаусса, медианный фильтр и пользовательские фильтры.

Усредняющий фильтр

Усредняющая фильтрация — это простой метод линейной фильтрации, который заменяет значение каждого пикселя изображения средним значением всех пикселей в его окрестности. Этот метод позволяет эффективно удалять шум, но также размывает изображение.

cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
cv::Mat dst;
cv::blur(src, dst, cv::Size(3, 3));  // 3x3的均值滤波

Фильтр Гаусса

Фильтрация Гаусса — это нелинейный метод фильтрации, использующий функцию Гаусса для вычисления весов пикселей в окрестности, тем самым сглаживая изображение. Удаляя шум, фильтрация Гаусса позволяет лучше сохранять информацию о краях изображения.

cv::GaussianBlur(src, dst, cv::Size(5, 5), 0);  // 5x5的高斯滤波

Медианный фильтр

Медианная фильтрация — это нелинейный метод фильтрации, который заменяет значение каждого пикселя изображения медианой всех значений пикселей в его окрестности. Этот метод очень эффективен при удалении шума типа «соль и перец».

cv::medianBlur(src, dst, 5);  // 5x5的中值滤波

Пользовательский фильтр

OpenCV позволяет пользователям настраивать ядро фильтра. С помощьюcv::filter2Dфункции можно реализовать пользовательские операции фильтрации.

cv::Mat kernel = (cv::Mat_<float>(3, 3) << 1, 0, -1, 0, 0, 0, -1, 0, 1);
cv::filter2D(src, dst, -1, kernel);

Обнаружение краёв изображения

Обнаружение краёв — важная задача в обработке изображений, используемая для определения границ объектов на изображении. К распространённым методам обнаружения краёв относятся оператор Собеля и обнаружение краёв Кэнни.

Оператор Собеля

Оператор Собеля — это метод обнаружения краёв на основе градиента, позволяющий обнаруживать горизонтальные и вертикальные края на изображении.

cv::Mat grad_x, grad_y;
cv::Sobel(src, grad_x, CV_16S, 1, 0);  // 水平方向
cv::Sobel(src, grad_y, CV_16S, 0, 1);  // 垂直方向
cv::convertScaleAbs(grad_x, grad_x);
cv::convertScaleAbs(grad_y, grad_y);
cv::addWeighted(grad_x, 0.5, grad_y, 0.5, 0, dst);  // 合并结果

Обнаружение границ Canny

Обнаружение краёв методом Кэнни — это многоэтапный алгоритм обнаружения краёв, который позволяет эффективно находить края на изображениях и обладает высокой устойчивостью к шуму.

cv::Canny(src, dst, 100, 200);  // 阈值1=100,阈值2=200

Морфологические операции над изображениями

Морфологические операции — это ряд операций, основанных на форме изображения, часто используемых для таких задач, как разделение переднего плана и фона и удаление шума. К распространённым морфологическим операциям относятся эрозия, дилатация, открытие, закрытие и морфологический градиент.

Эрозия

Операция эрозии позволяет устранить небольшие объекты или детали на изображении, делая объекты переднего плана меньше.

cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
cv::erode(src, dst, kernel);

Дилатация

Операция дилатации позволяет увеличивать объекты переднего плана на изображении; часто используется для заполнения отверстий в объектах переднего плана.

cv::dilate(src, dst, kernel);

Операция открытия

Открытие — это операция эрозии с последующей дилатацией, часто используемая для удаления небольших объектов или шума.

cv::morphologyEx(src, dst, cv::MORPH_OPEN, kernel);

Операция закрытия

Закрытие — это операция дилатации с последующей эрозией, часто используемая для заполнения небольших отверстий в объектах переднего плана.

cv::morphologyEx(src, dst, cv::MORPH_CLOSE, kernel);

Морфологический градиент

Морфологический градиент — это разность между дилатацией и эрозией; его можно использовать для выделения краёв объектов.

cv::morphologyEx(src, dst, cv::MORPH_GRADIENT, kernel);

Пороговая обработка изображения

Пороговая обработка изображения — это процесс преобразования изображения в бинарное изображение, часто используемый для сегментации изображений. Распространённые методы пороговой обработки включают бинаризацию, адаптивную пороговую обработку и метод Оцу.

Бинаризация

Бинаризация разделяет значения пикселей изображения на два класса в соответствии с заданным порогом, обычно используется для простой сегментации изображений.

cv::threshold(src, dst, 127, 255, cv::THRESH_BINARY);

Адаптивный порог

Адаптивный порог динамически вычисляет пороговое значение на основе локальных областей изображения и подходит для изображений с неравномерным освещением.

cv::adaptiveThreshold(src, dst, 255, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY, 11, 2);

Метод пороговой обработки Оцу

Метод Оцу — это метод автоматического определения порога, подходящий для изображений с бимодальными гистограммами.

cv::threshold(src, dst, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);

Гистограмма изображения

Гистограмма — это инструмент, используемый в обработке изображений для анализа распределения яркости изображения. Распространённые операции с гистограммами включают вычисление гистограмм, эквализацию гистограммы и сравнение гистограмм.

Вычисление гистограммы

Гистограмма может отражать распределение значений пикселей на изображении.

cv::Mat hist;
int histSize = 256;
float range[] = {0, 256};
const float* histRange = {range};
cv::calcHist(&src, 1, 0, cv::Mat(), hist, 1, &histSize, &histRange);

Выравнивание гистограммы

Выравнивание гистограммы может повысить контраст изображения, делая распределение яркости более равномерным.

cv::equalizeHist(src, dst);

Сравнение гистограмм

Сравнение гистограмм можно использовать для сравнения схожести двух изображений.

double compare = cv::compareHist(hist1, hist2, cv::HISTCMP_CORREL);

Примеры

К распространенным операциям обработки изображений в OpenCV относятся фильтрация, обнаружение краев, пороговая обработка, морфологические операции и обнаружение контуров. С помощью этих методов можно реализовать более сложные задачи обработки изображений.

Ниже приведены распространенные операции обработки изображений в OpenCV на C++ и примеры их кода:

1. Фильтрация изображений

Фильтрация изображений используется для удаления шума или усиления особенностей изображения.

1.1. Усредняющий фильтр

Пример

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    Mat image = imread("test.jpg");
    if (image.empty()) {
        cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
        return -1;
    }

    // Усредняющий фильтр
    Mat blurredImage;
    blur(image, blurredImage, Size(5, 5)); // ядро 5x5

    imshow("Исходное изображение", image);
    imshow("Размытое изображение", blurredImage);
    waitKey(0);
    destroyAllWindows();

    return 0;
}

1.2 Фильтр Гаусса

Пример

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    Mat image = imread("test.jpg");
    if (image.empty()) {
        cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
        return -1;
    }

    // Фильтр Гаусса
    Mat gaussianBlurredImage;
    GaussianBlur(image, gaussianBlurredImage, Size(5, 5), 0); // ядро 5x5

    imshow("Исходное изображение", image);
    imshow("Изображение с гауссовым размытием", gaussianBlurredImage);
    waitKey(0);
    destroyAllWindows();

    return 0;
}

1.3 Медианный фильтр

Пример

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    Mat image = imread("test.jpg");
    if (image.empty()) {
        cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
        return -1;
    }

    // Медианный фильтр
    Mat medianBlurredImage;
    medianBlur(image, medianBlurredImage, 5); // Размер ядра равен 5

    imshow("Исходное изображение", image);
    imshow("Изображение с медианным размытием", medianBlurredImage);
    waitKey(0);
    destroyAllWindows();

    return 0;
}

2. Обнаружение краёв

Обнаружение границ используется для извлечения информации о границах изображений.

2.1 Обнаружение границ методом Canny

Пример

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    Mat image = imread("test.jpg");
    if (image.empty()) {
        cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
        return -1;
    }

    // Преобразовать в оттенки серого
    Mat grayImage;
    cvtColor(image, grayImage, COLOR_BGR2GRAY);

    // Обнаружение границ методом Canny
    Mat edges;
    Canny(grayImage, edges, 100, 200); // Порог 1 и порог 2

    imshow("Исходное изображение", image);
    imshow("Границы Canny", edges);
    waitKey(0);
    destroyAllWindows();

    return 0;
}

3. Пороговая обработка изображений

Пороговая обработка используется для преобразования изображения в бинарное изображение.

3.1 Простая пороговая обработка

Пример

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    Mat image = imread("test.jpg");
    if (image.empty()) {
        cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
        return -1;
    }

    // Преобразовать в оттенки серого
    Mat grayImage;
    cvtColor(image, grayImage, COLOR_BGR2GRAY);

    // Простая пороговая обработка
    Mat binaryImage;
    threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);

    imshow("Исходное изображение", image);
    imshow("Бинарное изображение", binaryImage);
    waitKey(0);
    destroyAllWindows();

    return 0;
}

3.2 Адаптивная пороговая обработка

Пример

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    Mat image = imread("test.jpg");
    if (image.empty()) {
        cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
        return -1;
    }

    // Преобразовать в оттенки серого
    Mat grayImage;
    cvtColor(image, grayImage, COLOR_BGR2GRAY);

    // Адаптивная пороговая обработка
    Mat adaptiveBinaryImage;
    adaptiveThreshold(grayImage, adaptiveBinaryImage, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 11, 2);

    imshow("Исходное изображение", image);
    imshow("Адаптивное бинарное изображение", adaptiveBinaryImage);
    waitKey(0);
    destroyAllWindows();

    return 0;
}

4. Морфологические операции

Морфологические операции используются для обработки формы и структуры изображений.

4.1 Эрозия и дилатация

Пример

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    Mat image = imread("test.jpg");
    if (image.empty()) {
        cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
        return -1;
    }

    // Преобразовать в оттенки серого
    Mat grayImage;
    cvtColor(image, grayImage, COLOR_BGR2GRAY);

    // Бинаризация
    Mat binaryImage;
    threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);

    // Операция эрозии
    Mat erodedImage;
    Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5));
    erode(binaryImage, erodedImage, kernel);

    // Операция дилатации
    Mat dilatedImage;
    dilate(binaryImage, dilatedImage, kernel);

    imshow("Исходное изображение", image);
    imshow("Изображение после эрозии", erodedImage);
    imshow("Изображение после дилатации", dilatedImage);
    waitKey(0);
    destroyAllWindows();

    return 0;
}

5. Обнаружение контуров

Обнаружение контуров используется для извлечения контуров объектов на изображениях.

Пример


#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    Mat image = imread("test.jpg");
    if (image.empty()) {
        cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
        return -1;
    }

    // Преобразовать в оттенки серого
    Mat grayImage;
    cvtColor(image, grayImage, COLOR_BGR2GRAY);

    // Бинаризация
    Mat binaryImage;
    threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);

    // Найти контуры
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(binaryImage, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);

    // Рисуем контуры
    Mat contourImage = Mat::zeros(image.size(), CV_8UC3);
    for (size_t i = 0; i < contours.size(); i++) {
        drawContours(contourImage, contours, i, Scalar(0, 255, 0), 2);
    }

    imshow("Исходное изображение", image);
    imshow("Контуры", contourImage);
    waitKey(0);
    destroyAllWindows();

    return 0;
}
Другие расширения